算法生成的音乐推荐对于硬摇滚听众来说可能最不准确

根据开放存取期刊《EPJ数据科学》上发表的研究，与其他非主流音乐的听众相比，音乐推荐系统可能无法给诸如硬摇滚和嘻哈之类的高能量音乐听众准确的推荐。

来自格拉茨工业大学，Know-Center GmbH，约翰内斯·开普勒大学林茨，奥地利因斯布鲁克大学和荷兰乌得勒支大学的一组研究人员比较了算法生成的音乐推荐对于主流和非主流音乐听众的准确度。他们使用的数据集包含音乐流媒体平台Last.fm的4,148位用户的收听历史记录，这些用户要么收听大多数非主流音乐，要么收听主流音乐(每组2,074名用户)。根据艺术家音乐用户最常听的音乐，作者使用了计算模型通过四种常见的音乐推荐算法来预测音乐用户喜欢推荐给他们的音乐的可能性。他们发现主流音乐的听众似乎比非主流音乐的听众收到更准确的音乐推荐。

然后，作者使用一种算法，根据他们最常听音乐的特征，对样本中的非主流音乐听众进行分类。这些组是：仅包含民谣等声学乐器的音乐流派的听众，诸如硬摇滚和嘻哈之类的高能量音乐的听众，具有声学乐器而没有人声的诸如环境音乐之类的听众以及高能量的听众没有人声的音乐，例如电子音乐。作者比较了每个组的收听历史，确定了哪些用户最喜欢听其偏好类型之外的音乐，以及每个组内听音乐的多样性。

发现那些主要听音乐(例如环境音乐)的人也最有可能听硬摇滚，民间或电子乐听众所喜欢的音乐。那些主要听高能量音乐的人最不可能听民间，电子或环境听众喜欢的音乐，但他们听的是最广泛的流派，例如硬摇滚，朋克，歌手/作曲家和嘻哈音乐。

作者利用用户的收听历史和计算模型来预测不同组的非主流音乐收听者喜欢由四种常见音乐推荐算法生成的音乐推荐的可能性。他们发现，那些听大部分高能量音乐的人似乎收到的建议最不准确，而那些听大多数环境音乐等音乐的人似乎收到的建议最准确。

通讯作者伊丽莎白·莱克斯(Elisabeth Lex)说：“随着通过音乐流服务获得越来越多的音乐，音乐推荐系统对于帮助用户搜索，分类和过滤大量音乐收藏品至关重要。我们的发现表明，许多音乐状态最新的音乐推荐技术可能无法为非主流音乐收听者提供高质量的推荐。这可能是因为音乐推荐算法偏向更流行的音乐，导致非主流音乐不太可能被算法推荐。”

“进一步，”伊丽莎白·莱克斯(Elisabeth Lex)补充说，“我们的结果表明，与那些听音乐的人(例如硬摇滚和嘻哈音乐)的偏好相比，音乐推荐算法可以更容易地预测那些主要听音乐(例如环境音乐)的人的音乐偏好。 -hop。这意味着他们可能会收到更好的音乐推荐

作者认为，他们的发现可以为创建音乐推荐系统提供信息，该系统可以为非主流音乐听众提供更准确的推荐。但是，他们警告说，由于他们的分析是基于Last.fm用户的样本，因此他们的发现可能并不代表所有Last.fm用户或其他音乐流媒体平台的用户。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！